基于概要模式的大规模持续实时监测与分析的理论与方法研究

面向实时感知数据的智能分析处理是数据库领域的研究热点之一，在大规模实时监测中具有重要的应用价值。基于单监测点所产生数据的监测和分析方法缺乏对于监测区域中全局模式及其变化规律的发现和跟踪，无法有效支持大规模实时监测与分析。而现有针对多点的研究方法缺乏对于数据中典型模式的有效概括和简洁直观表示。本项目基于概要模式的发现和跟踪来支持大规模持续实时的监测和分析。基于数据的时空相关性和监测人员的内在需求，以快照模式来实时概括数据在监测区域的空间分布，将一段时间里相似的快照模式实时概括为代表模式，通过对代表模式变换规律的持续学习来揭示系统内部动态机理；通过少量最典型的代表趋势来对大规模数据流间相关性进行概括，有效降低监测规模；以这两种正交的概要模式为基础进行异常检测，使得异常检测无须依赖预定义。通过对以上问题的研究，建立大规模持续实时的监测与分析机制，丰富实时感知数据中智能分析处理的基本理论和方法。

面向实时感知数据的智能分析处理是数据库领域的研究热点之一，在大规模实时监测中具有重要的应用价值。基于单监测点所产生数据的监测和分析方法缺乏对于监测区域中全局模式及其变化规律的发现和跟踪，无法有效支持大规模实时监测与分析。而现有针对多点的研究方法缺乏对于数据中典型模式的有效概括和简洁直观表示。本项目提出基于概要模式的发现和跟踪来支持大规模持续实时的监测和分析。对于概要模式的发现和跟踪，一方面，本项目基于数据的时空相关性和监测人员的内在需求，以快照模式来实时概括数据在监测区域的空间分布，将一段时间里相似的快照模式实时概括为代表模式，通过对代表模式变换规律的持续学习来揭示系统内部动态机理，形成以“快照模式-代表模式-状态转化图”为表示方式的概要模式；另一方面，通过识别和提取少量最典型的代表趋势来对大规模数据流间相关性进行概括，形成以“基于相关性的代表趋势”为表示方式的概要模式，有效降低监测规模；对于大规模实时监测和分析，以上述两种正交的概要模式为基础进行异常检测，使得异常检测无须依赖预定义。通过对以上问题的研究，建立了大规模持续实时的监测与分析机制，并构建其原型系统，对上述理论与方法进行验证和有机的融合。本项目研究丰富了实时感知数据中智能分析处理的基本理论和方法，研究成果部分已以研究论文形式在国内和国际重要学术会议发表，圆满地完成了原定计划的研究工作。